UTF-8 とは？

世界中の文字（ひらがな・漢字・アラビア文字・絵文字など）をコンピュータで表現するための「文字コード（エンコード）」の一つだよ。現代のWeb・プログラミングでほぼ標準になっている。

どちらも文字をバイト列に変換する方式だけど範囲が違う。Shift-JISは日本語専用で英語・日本語だけ扱える。UTF-8はUnicodeをベースに世界中の全文字を扱える。WebではUTF-8が推奨で、Shift-JISのページはだんだん減っている。

エンコードとデコードが一致しないとき文字化け。例えばUTF-8で書いたファイルをShift-JISとして開くと日本語が化ける。Webでは「Content-Type: text/html; charset=UTF-8」のような宣言が重要で、これが合っていないと文字化けする。

可変長で、文字によって1〜4バイトになるんだ。ASCII文字（英数字）は1バイト、ひらがな・カタカナ・漢字は3バイト、絵文字は4バイト。だから英語中心のテキストはコンパクトだけど、日本語テキストはShift-JIS（2バイト固定）よりサイズが大きくなることがある。それでも互換性の高さからUTF-8が世界標準になったんだよ。

MySQLの歴史的な罠だよ。MySQLの「utf8」は最大3バイトまでしか扱えない不完全な実装で、4バイトの絵文字を保存できない。完全なUTF-8は「utf8mb4」という名前で提供されている。新規でMySQLのテーブルを作るなら必ずutf8mb4を使うこと。古いシステムでutf8のまま運用していると、絵文字を含むデータを保存しようとしてエラーになる。これはMySQLの有名な地雷で、知っているかどうかで障害対応の速さが全然違うよ。